Một giải pháp suy diễn câu trả lời trong hệ thống hỏi đáp thông tin

Bài viết này trình bày hướng tiếp cận nhằm phát triển động cơ suy diễn cho hệ thống hỏi đáp có hỗ trợ tiếng Việt với trọng tâm là phương pháp suy diễn nội dung trả lời dựa trên giải thuật A* và lý thuyết đồ thị.
Nội dung trích xuất từ tài liệu:
Một giải pháp suy diễn câu trả lời trong hệ thống hỏi đáp thông tinCác công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-1, Số 7 (27), tháng 5/2012 Một giải pháp suy diễn câu trả lời trong hệ thống hỏi đáp thông tin A Solution for Answer Reasoning in QA System Phan Thị Tươi, Nguyễn Chánh Thành Abstract: Question Answering (QA) is an Trong những năm 1960, một số hệ thống hỏi đápimportant research field that research groups focus on đầu tiên bằng ngôn ngữ tự nhiên được xây dựng nhưto develop useful QA system for many languages in the Elisa, Lunar, Baseball. Các hệ thống QA liên tục đượcworld (English, Chinese, Japanese …) but just few for hoàn thiện và phát triển cùng với ngành ngôn ngữ họcVietnamese. One of most difficult processings in QA is tính toán (Computational Linguistics) và hiểu văn bảnthe answer reasoning applying to natural language (Text Comprehension) trong thập niên 1970 kế tiếp.question, especially Vietnamese. The paper introduces TREC (trec.nist.gov) chính thức đưa ra các đề tài vàan approach of reasoning answers for Vietnamese các hoạt động nghiên cứu trong những năm 1990 vềquestion based on Graph Theory and Artificial hệ thống QA. Hiện nay đã tồn tại một số hệ thống QAIntelligence (AI). The experimentation, which is done bằng tiếng Anh, như AquaLog [1], START [2].for Vietnamese questions in initial phase, shows that Trong những nghiên cứu về QA, các giải pháp vềthe proposed approach is feasible for Vietnamese and suy diễn trả lời câu hỏi luôn là một vấn đề khó khăn vàit can be upgraded more for other languages in future. phức tạp. Một số nghiên cứu giới hạn lại phạm vi xửKeywords: reasoning, CG, question answering, QA. lý chủ yếu chỉ dựa trên cơ chế so khớp cấu trúc cú pháp của câu truy vấn với một số mẫu cấu trúc có sẵn,I. GIỚI THIỆU như [1], [3], [4], [5], [6], [7] và [9]. Một số dự án như S-CREAM [11] và MnM [12] hay AquaLog [1] dùng Hỏi đáp thông tin (Question Answering, QA) là nhiều kỹ thuật học máy để rút trích quan hệ giữa cácmột trong những nhu cầu thiết thực của mọi người đối tượng, tuy nhiên chỉ làm được bán tự động. Côngdùng trên thế giới. Nhiều phương pháp của các nhóm trình của IBM Watson giới thiệu môt hướng tiếp cậnnghiên cứu trên thế giới về vấn đề này đã và đang khác dựa trên ngôn ngữ tự nhiên [10]. Nhóm tác giảđược tiến hành với một số kết quả minh chứng tính [13] và [14] đã dùng đồ thị ý niệm để biểu diễn ngữkhả thi của những phương pháp đó. nghĩa các quan hệ giữa các thực thể để từ đó xác định Một trong những hướng nghiên cứu về QA được các phương án trả lời cho nội dung câu hỏi.thực hiện trong lĩnh vực trí tuệ nhân tạo liên quan đến Ngoài ra, một số phần mềm tập trung xử lý suyhệ chuyên gia với một số thành công nhất định. diễn cho một vấn đề tổng quát1, từ đó có thể ứng dụng Ngoài ra, với mong muốn cải tiến các hệ thống vào hệ thống QA để hỗ trợ suy diễn câu trả lời cho nộiQA nhằm tăng khả năng xử lý và chất lượng nội dung dung hỏi của người dùng, như bảng 1, với (*) là dạngtrả lời, các nghiên cứu về QA được phát triển theo mã nguồn mở và (**) không miễn phí.hướng kết hợp với ngôn ngữ tự nhiên. Hướng nghiên Hướng nghiên cứu về QA có hỗ trợ truy vấn dạngcứu này thường kết hợp với một số lĩnh vực khác nhưtruy xuất thông tin (trực tuyến hoặc không trực tuyến), 1hệ chuyên gia. Liệt kê chi tiết trong en.wikipedia.org/wiki/Semantic_reasoner - 40 -Các công trình nghiên cứu, phát triển và ứng dụng CNTT-TT Tập V-1, Số 7 (27), tháng 5/2012ngôn ngữ tự nhiên tiếng Việt, công trình [19] giới một bản thể ...